今年1月的消費電子展引發了未來幾年自動駕駛汽車進入汽車市場的新浪潮。人們的大部分注意力都集中在這些車輛的技術上。然而。嵌入道路基礎設施的技術也促使服務提供者和市政當局之間進行更多討論。
網路連接的進步，智慧道路基礎設施技術有望被添加到美國許多不同的道路、橋樑和其他交通系統中，以期改善即時交通分析並應對最具挑戰性的道路安全和交通管理問題。本次討論的核心技術之一是目前使用 AI 增強相機以及未來對 LiDAR 技術的承諾。
如今，僅在美國就部署了數十萬台交通攝像頭，如果考慮到閉路電視攝像頭，甚至還有數百萬台。它們主要用於道路監控和基本的交通管理應用(例如循環模擬)。然而，將 AI 的最新進展引入這些資產可以立即提高基本應用程式效能並解鎖更高級的軟體應用程式和用例。
與傳統相機中的傳統電腦視覺技術相比，人工智慧和機器學習提供了卓越的感測性能。它們透過能夠自動適應各種照明和天氣條件的演算法，對所有道路使用者進行更穩健、靈活和準確的偵測、追蹤和分類。此外，它們還具有預測能力，可以更好地模擬道路使用者的運動和行為，並提高道路安全。市政機構可以立即受益於人工智慧增強型攝影機，其應用包括道路衝突偵測和分析、行人過路預測以及用於 AV 部署的基礎設施感測。
LiDAR 技術無法完全取代相機LiDAR 可以提供與相機互補且有時重疊的價值;但是，仍然存在一些安全關鍵的邊緣案例，其中LiDAR 技術表現不佳(包括大雨和大雪)，並且相機已被證明更好。此外，由於高單價和有限的視野，今天的光達技術大規模部署仍然很昂貴。例如，在一個路口部署多個 LiDAR 裝置需要巨額投資，而一個 360 度 AI 攝影機可能是更具成本效益的解決方案。
對於許多注重預算的社群來說，人工智慧增強型相機仍然是當今經過驗證的首選技術。隨著時間的推移，隨著 LiDAR 技術成本的降低，社區應評估使用此類感測器增強其基礎設施。
當LiDAR 技術的成本最終達到預期的降低時，它將被視為對當今安裝的AI 增強相機的強大且可行的補充。與自動駕駛汽車類似，感測器融合將成為智慧基礎設施解決方案的首選方法，並使城市能夠最大限度地利用這兩種技術的優勢。 (感測器融合是將來自多個LiDAR、攝影機、雷達、CCTV 和其他來源的資料輸入整合在一起形成單一環境模型或影像的能力。)
今天使用具有成本效益和性能的人工智慧攝影機，再加上未來幾年LiDAR的巨大潛力，可以幫助社區和市政當局實現今天和明天的雙贏局面。
歸根結底，目標是改善整體交通流量，減少車輛碰撞和死亡人數，但技術和實施策略必須是正確的。監控我們道路的技術也需要改變，因此需要考慮今天使用人工智慧支援的攝像頭，並預計在明天使用LiDAR。
以上是為什麼 AI 攝影機和 LiDAR 對智慧道路很重要的詳細內容。更多資訊請關注PHP中文網其他相關文章！
